Segmentierungs-Modell für Brandschadens-Erkennung in der Versicherung
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein Segmentierungs-Modell auf 3.200 Schadensfotos, evaluiere mit Mean-IoU und berechne Brandschäden automatisch. Erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Versicherer (Komposit-Sparte, rund 240.000 Wohngebäude-Verträge) hat im letzten Jahr rund 8.400 Brandschadens-Fälle bearbeitet; die durchschnittliche Bearbeitungszeit liegt bei rund 6 Stunden pro Fall, davon ca. 90 Minuten Fotoauswertung.
Das Briefing
Was Du tust und was Du zeigst.
Wie segmentiert man Brandschadens-Fotos pixelgenau in 4 Klassen und reduziert die Foto-Auswertungs-Zeit pro Akte um mindestens 40 %?
Earning criteria — what you'll demonstrate
- Semantische Segmentierungs-Architekturen verstehen und feintunen
- Mean-IoU und pro-Klasse-IoU als Hauptmetriken einsetzen
- Modell-Output in geschäftsrelevante Größen (Fläche) umrechnen
- Domain-spezifische Augmentation (Helligkeit, Verzerrung) sinnvoll wählen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Semantic Segmentation
Apply semantic segmentation to solve real industry problems and demonstrate production-level capability.
- U Net
Apply u net to solve real industry problems and demonstrate production-level capability.
- Segformer
Apply segformer to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Iou Evaluation
Apply iou evaluation to solve real industry problems and demonstrate production-level capability.
- Transfer Learning
Apply transfer learning to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Computer Vision Engineer
Schadens-Segmentierung ist ein produktives CV-Anwendungsfeld in Versicherung und Immobilien; die Challenge produziert ein portfolio-fähiges Beispiel mit klarer Geschäftsverknüpfung.
Dieses Projekt schärft
- semantic-segmentation
- segformer
- iou-evaluation
Machine Learning Engineer
Modell-Output in Geschäftsgrößen zu übersetzen ist eine ML-Engineering-Kerndisziplin; die Challenge übt sie an einem domain-nahen Beispiel.
Dieses Projekt schärft
- u-net
- pytorch
- transfer-learning
Applied AI Scientist
Differenzierte Empfehlungen pro Schadens-Klasse zu formulieren ist genau das, was angewandte KI-Wissenschaftler:innen für Operations-Teams liefern.
Dieses Projekt schärft
- semantic-segmentation
- iou-evaluation
- transfer-learning
Noch eine Sache